目标检测
案例介绍
项目目标： 为通用无人机（单机）平台开发高精度、高实时性的目标检测算法（人、车、船等），满足端到端低延迟应用需求。
技术重点： 实时性优化、模型轻量化与量化、嵌入式部署。
主导/参与实时目标检测模型的选型、训练、调优、已经部署。
进行模型深度轻量化与量化，大幅降低模型计算复杂度和内存占用，是实现高帧率（FPS）的关键。
针对无人机航拍图像特性（高空俯视、小目标、尺度变化、运动模糊）进行模型鲁棒性优化。
负责算法模型在嵌入式边缘平台（如海思/NVIDIA Jetson系列芯片）的高效部署与性能调优，熟练使用海思om/TensorRT进行推理加速。
优化预处理/后处理流水线，减少CPU/GPU开销，确保端到端处理延迟满足实时性要求（如 ≥ 30 FPS 特定硬件）。
探索模型结构修改（如Backbone替换、Neck优化）以提升速度/精度权衡。
跨项目技术栈： C++ (部署/优化), Python (训练/算法), OpenCV, Linux, PyTorch, 海思芯片、TensorRT, ONNX,
目标检测
案例介绍
通用无人机平台实时目标检测算法研发与部署
项目目标： 为通用无人机（单机）平台开发高精度、高实时性的目标检测算法（人、车、船等），满足端到端低延迟应用需求。
技术重点： 实时性优化、模型轻量化与量化、嵌入式部署。
主导/参与实时目标检测模型的选型、训练、调优、已经部署。
进行模型深度轻量化与量化，大幅降低模型计算复杂度和内存占用，是实现高帧率（FPS）的关键。
针对无人机航拍图像特性（高空俯视、小目标、尺度变化、运动模糊）进行模型鲁棒性优化。
负责算法模型在嵌入式边缘平台（如海思/NVIDIA Jetson系列芯片）的高效部署与性能调优，熟练使用海思om/TensorRT进行推理加速。
优化预处理/后处理流水线，减少CPU/GPU开销，确保端到端处理延迟满足实时性要求（如 ≥ 30 FPS 特定硬件）。
探索模型结构修改（如Backbone替换、Neck优化）以提升速度/精度权衡。
跨项目技术栈： C++ (部署/优化), Python (训练/算法), OpenCV, Linux, PyTorch, 海思芯片、TensorRT, ONNX,
案例图片
相似案例推荐
-
ai agent 无人机题库系统
作品介绍：无人机驾照考试AI智能题库与自适应学习系统 作品
-
低空物流应用平台
1.0版本是基于长江汇水上船舶动态投送的技术，实现的水上物流
-
多模态智能⻜航救援系统
旨在开发适⽤于河湖港汊地区的⾃主化、智能化的溺⽔⼈员搜救系统
-
无人机管理
适用于多台无人机共同启动配置状态，无人机管理系统集设备登记、
-
无人机地面站
作品介绍： MiniFly无人机地面站软件 V3
-
无人机巡检平台
作品名称：某大型油田油气生产物联网 —— 无人机立体智能巡检
1小时精推人才
需求方专属客服，免费梳理匹配
